全方位能量流网络：用于喷雾的喷子耗能

喷雾——由重离子碰撞中的夸克-胶子等离子体对喷子 modification——提供了一种敏感的探针，用于探测等离子体性质。本文提出了一种基于能量流网络的喷子-喷子区分方法，显式保留 medium response 和 underlying event contamination。作为参考，我们训练了线性判别器和神经网络，这些网络在 high-level 可观测量（如 N-subjettiness 和 energy flow polynomials）上进行训练，包括扩展的能量流多项式集合，以量化在不采用 constituent 级别学习的情况下可实现的性能。随后，我们对能量流网络进行训练，利用喷子 constituent，并进一步扩展为将标准化的 N-subjettiness 和/或能量流多项式拼接到能量流网络潜在空间的 observable-enhanced 能量流网络。在现实情形下，包括 underlying event contamination 和 medium response，observable-enhanced 能量流网络实现了 state-of-the-art performance，receiver operating characteristic 曲线下面积为 $\simeq 0.83$，显著优于线性和非线性基线以及使用不同体系结构的先前工作。最后，我们展示了 moment energy flow networks 的结果——这是一种能量流网络变体，能够在更紧凑且更可解释的潜在空间中获得相当的下面积。这些结果表明，能量流网络方法（尤其是当结合以物理为导向的可观测量时）是喷雾研究的实用且稳健的工具。